最終更新:

世界一短い単語と世界一長い単語 - 言語ごとの文字数の極端な世界

約 8 分で読めます

タンパク質「チチン」の化学名は 189,819 文⁠字⁠。読み上げるだけで約 3 時間 30 分かかるこの単語は、英語辞書には載っていま⁠せ⁠ん⁠。一方、世界には 1 文字で完結する単語も存在し⁠ま⁠す⁠。文字数という切り口で世界の言語を眺めると、人間がどれほど多様な方法で意味を圧縮し、あるいは展開してきたかが見えてき⁠ま⁠す⁠。この記事では、各言語の最短 / 最長の単語を具体的な文字数とともに紹介し、文字数にまつわる驚きの世界を掘り下げ⁠ま⁠す⁠。

世界で最も短い単語たち

「1 文字で意味を成す単語」は、実は多くの言語に存在し⁠ま⁠す⁠。英語の "I" (私) や "a" (ひとつの) は誰もが知る例ですが、日本語はさらに極端⁠で⁠す⁠。「目」「手」「歯」「火」「木」など、漢字 1 文字で完全な意味を持つ単語が無数にあり⁠ま⁠す⁠。ひらがなでも「え」(絵)、「き」(木)、「め」(目) のように 1 文字の単語が成立し⁠ま⁠す⁠。

中国語に至っては、ほぼすべての漢字が独立した意味を持つ 1 文字の単語として機能し⁠ま⁠す⁠。「人」「大」「水」「山」のように、1 文字で概念を完結させる言語設計は、文字とバイトの関係を考える上でも興味深い特徴⁠で⁠す⁠。

言語最短単語の例文字数意味備考
英語I, a1 文字私 / ひとつの大文字の I は 1 バイト
日本語 (漢字)目、手、火1 文字め、て、ひUTF-8 で 3 バイト
中国語人、大、水1 文字ひと、おおきい、みずほぼ全漢字が 1 文字単語
韓国語나 (na)1 文字私ハングル 1 文字 = UTF-8 で 3 バイト
ベトナム語ở1 文字住む声調記号付きで 1 文字

ここで注目すべきは、「1 文字」の情報密度が言語によって大きく異なる点⁠で⁠す⁠。英語の "a" は 1 バイトですが、日本語の「目」は UTF-8 で 3 バ⁠イ⁠ト⁠。同じ「1 文字」でも、コンピューターが処理するデータ量は 3 倍違い⁠ま⁠す⁠。全角と半角の違いが文字数カウントに影響するのと同じ構造⁠で⁠す⁠。

ヨーロッパ言語の長い単語 - ドイツ語の複合語文化

ドイツ語は「複合語の王様」と呼ばれ⁠ま⁠す⁠。名詞を際限なく連結して新しい単語を作れるため、理論上は無限に長い単語を生成でき⁠ま⁠す⁠。実際に法律文書や行政文書で使われた超長単語は、ドイツ語話者でさえ一度では読めないほど⁠で⁠す⁠。

単語文字数意味使用文脈
Donaudampfschifffahrtselektrizitätenhauptbetriebswerkbauunterbeamtengesellschaft80 文字ドナウ汽船電気事業本工場建設下級官吏組合1972 年版ギネスブックが「ドイツ語で公刊された最長の語」として掲載 (掲載時は旧正書法の 79 文字表記)
Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz63 文字牛肉表示監視業務委託法1999 年制定 / 2013 年廃止の州法名 (メクレンブルク=フォアポンメルン州)
Kraftfahrzeughaftpflichtversicherung36 文字自動車賠償責任保険日常的に使われる複合語
Rechtsschutzversicherungsgesellschaften39 文字法的保護保険会社 (複数形)ビジネス文書で頻出

2013 年、ドイツのメクレンブルク=フォアポンメルン州は 63 文字の法律名 "Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz" を廃止しま⁠し⁠た⁠。BSE (狂牛病) 対策の法律でしたが、EU 規制の変更に伴い不要になったの⁠で⁠す⁠。この法律の廃止は「ドイツ語で最も長い単語が消滅した」としてニュースになりま⁠し⁠た⁠。

フィンランド語も長い単語を生み出す言語⁠で⁠す⁠。"lentokonesuihkuturbiinimoottoriapumekaanikkoaliupseerioppilas" (61 文字) は「航空機ジェットタービンエンジン補助整備士下士官候補生」を意味し⁠ま⁠す⁠。英語版 Wikipedia の長い単語の一覧では、フィンランド語で実際に使われてきた長い語の例として挙げられてい⁠ま⁠す⁠。

世界一長い地名 - 文字数ランキング

地名の世界にも、文字数の極端な例が存在し⁠ま⁠す⁠。ニュージーランドの丘の名前は、マオリ語で 85 文⁠字⁠。タイの首都バンコクの正式名称はさらに長く、168 文字でギネス世界記録に「世界一長い地名」として掲載されてい⁠ま⁠す⁠。

地名文字数所在地言語
Taumatawhakatangihangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu85 文字ニュージーランドマオリ語
Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch58 文字ウェールズ (英国)ウェールズ語
กรุงเทพมหานคร... (バンコク正式名称)168 文字 (ラテン文字転写)タイタイ語
Chargoggagoggmanchauggagoggchaubunagungamaugg45 文字マサチューセッツ州 (米国)アルゴンキン語由来

ニュージーランドの丘の名前は「タマテアという大きな膝を持つ男が、山々を滑り降り、登り、飲み込みながら、愛する人のために笛を吹いた場所」という意味⁠で⁠す⁠。マオリ語は出来事の描写をそのまま地名にする文化があり、結果として超長い地名が生まれま⁠し⁠た⁠。

一方、地名は短い側にも振れ⁠ま⁠す⁠。ノルウェー語 / デンマーク語 / スウェーデン語の "å" は「小川」を意味する単語で、そのまま地名の構成要素として現れ⁠ま⁠す⁠。極端に短い地名は、検索窓に入れても候補が絞れない、データベースの最小文字数バリデーションに弾かれるといった別種の問題を起こし、URL の文字数制限とは逆の意味で開発者を悩ませ⁠ま⁠す⁠。

化学物質名 - 文字数の究極

「世界一長い単語」に一つの答えが無いのは、何を単語と認めるかで結果が変わるため⁠で⁠す⁠。辞書の見出し語に限るのか、地名や法律名を含めるのか、規則に従って機械的に生成できる化学名まで数える⁠の⁠か⁠。基準ごとに別の記録が立ち⁠ま⁠す⁠。化学の世界では、分子構造をそのまま名前にする IUPAC 命名法があるため、巨大な分子ほど名前が長くなり⁠ま⁠す⁠。タンパク質「チチン」(titin) の化学名は 189,819 文字に達し、これが「世界一長い単語」として知られてい⁠ま⁠す⁠。

ただし、この化学名は辞書に載っておらず、「単語」として認めるかどうかは議論があり⁠ま⁠す⁠。IUPAC 命名法に従って機械的に生成された名前であり、誰も日常的に使いま⁠せ⁠ん⁠。読み上げには約 3 時間 30 分かかるとされ、YouTube には実際に読み上げる動画も存在し⁠ま⁠す⁠。

物質名文字数種類辞書掲載
チチンの化学名189,819 文字タンパク質なし
Pneumonoultramicroscopicsilicovolcanoconiosis45 文字肺疾患 (珪肺症と同じもの)あり (英語辞書)
Supercalifragilisticexpialidocious34 文字映画の造語一部辞書に掲載

主要な英語辞書に載る最長の単語は "Pneumonoultramicroscopicsilicovolcanoconiosis" (45 文字) で、火山由来のきわめて細かいケイ酸の粒子を吸い込むことで起きる肺疾患を指し⁠ま⁠す⁠。ただし医学的には既存の「珪肺症 (silicosis)」と同じものを指す語であり、そもそも「英語で最も長い単語を作る」目的で意図的に造られた語⁠で⁠す⁠。専門用語を除いた最長の語となると 29 文字の "floccinaucinihilipilification" (何かを無価値と見積もる行為) で、こちらは 1741 年までさかのぼる使用例が記録されてい⁠ま⁠す⁠。

日本語の最長単語 - 漢字熟語と読みの世界

日本語で最も長い熟語は何でしょ⁠う⁠か⁠。漢字の世界では、四字熟語が一般的ですが、それ以上の長さの熟語も存在し⁠ま⁠す⁠。仏教用語には「南無妙法蓮華経」(7 文字) のような長い語句があり、法律用語にも「不動産登記事項証明書」(10 文字) のような長い複合語があり⁠ま⁠す⁠。

読みの長さで考えると、日本語の単語はさらに面白い特徴を見せ⁠ま⁠す⁠。漢字 1 文字でも読みが長い例として「承る」があり、送り仮名を除いた「承」の部分だけで「うけたまわ」の 5 音、語全体では「うけたまわる」の 6 音になり⁠ま⁠す⁠。「志」(こころざし) も漢字 1 文字で 5 音⁠で⁠す⁠。逆に「一昨昨日」は漢字 4 文字なのに読みは「さきおととい」の 6 音しかなく、文字数と音数の比率が語によってまったく違うのが日本語の特徴⁠で⁠す⁠。

この「文字数と情報量の不一致」は、X (Twitter) の文字数制限において日本語ユーザーが英語ユーザーより多くの情報を伝えられる理由でもあり⁠ま⁠す⁠。漢字 1 文字に圧縮された意味の密度は、アルファベット言語とは根本的に異なり⁠ま⁠す⁠。

プログラミング言語の識別子長制限

自然言語だけでなく、プログラミング言語にも「単語の長さ」の制限があり⁠ま⁠す⁠。変数名や関数名 (識別子) の最大長は言語によって異なり、実用上の制約として開発者に影響を与え⁠ま⁠す⁠。

言語識別子の最大長実用上の推奨備考
C (C99)63 文字 (有効)20〜⁠30 文字63 文字を超えても構文エラーにはならない
Java言語仕様上の制限なし20〜⁠40 文字クラスファイル形式側に長さの上限がある
Python制限なし20〜⁠30 文字PEP 8 で簡潔さを推奨
JavaScript制限なし15〜⁠30 文字ミニファイ時に短縮される
SQL (標準)128 文字30 文字以内RDBMS によって異なる
COBOL31 文字31 文字利用者定義語の長さ上限

COBOL の利用者定義語は 31 文字までで、英数字 / ハイフン / アンダースコアを含められ⁠ま⁠す⁠。上限が言語仕様として明示されている点が、現代の言語との大きな違い⁠で⁠す⁠。現代の言語では事実上無制限ですが、変数名 / 関数名の長さの目安として 20〜⁠30 文字が推奨されるのは、人間の可読性の限界によるもの⁠で⁠す⁠。

1 文字の情報密度 - 計算できるのは上限だけ

ここまで見てきた最短 / 最長の単語を踏まえて、「1 文字あたりの情報密度」を考えてみまし⁠ょ⁠う⁠。情報理論の観点では、1 文字が伝えられる情報量は文字体系によって桁が違い⁠ま⁠す⁠。

ここで計算できるのは「上限」⁠で⁠す⁠。ある文字体系の文字が N 種類あり、すべてが等確率で現れると仮定すると、1 文字が運べる情報量は log2 N ビットになり⁠ま⁠す⁠。アルファベット 26 文字なら約 4.7 ビット、ハングルの音節 11,172 種なら約 13.4 ビット、日常的に使う漢字を数千字と見ても約 11 ビット⁠で⁠す⁠。文字の種類が多いほど、1 文字で区別できる意味が増えるという単純な理屈⁠で⁠す⁠。

上限どうしを比べると、漢字 1 文字はアルファベット 1 文字の 2 倍強の情報を運べる計算になります (11.2 ÷ 4.7 ≒ 2.4)⁠。ただし実際の文章では文字の出現頻度が大きく偏るため (英語なら e や t、日本語なら「の」「い」が突出する)、1 文字あたりの平均情報量はこの上限より小さくなり⁠ま⁠す⁠。上限の比が実際の表現力の比とそのまま一致するわけではない、という点は押さえておく必要があり⁠ま⁠す⁠。

データ量の観点でも、文字数だけを見ると実像を外し⁠ま⁠す⁠。UTF-8 では漢字 / ひらがな / ハングルが 1 文字 3 バイト、アルファベットが 1 バイトなので、文字数で 2 倍の差があってもバイト数では逆転することがあり⁠ま⁠す⁠。さらに gzip などの圧縮を通すと、繰り返しの多い文章ほどよく縮むため、圧縮後のサイズは言語よりも文章の書き方に左右され⁠ま⁠す⁠。

文字数制限と言語の公平性

SNS やフォームの文字数制限は、通常「文字数」で統一されてい⁠ま⁠す⁠。しかし、1 文字あたりの情報量が言語によって異なる以上、同じ文字数制限でも言語間で伝えられる情報量に大きな差が生まれ⁠ま⁠す⁠。

X (Twitter) が 2017 年に英語の文字数制限を 280 文字に拡張し、日本語 / 中国語 / 韓国語を 140 文字のまま据え置いたのは、この情報密度の差を考慮した判断で⁠し⁠た⁠。英語の 280 文字と日本語の 140 文字を同程度の情報量と見積もった、という設計上の割り切り⁠で⁠す⁠。

データベースの VARCHAR 長を設計する際にも、この言語間の差は重要⁠で⁠す⁠。英語で 100 文字あれば十分な項目でも、日本語では 50 文字で同等の情報を格納でき⁠ま⁠す⁠。多言語対応のシステムでは、言語ごとに異なる文字数制限を設定するか、最も文字数を必要とする言語に合わせて余裕を持たせる設計が求められ⁠ま⁠す⁠。

文字数の極端さが教えてくれること

世界一短い単語と世界一長い単語を並べてみると、言語設計の根本的な違いが浮かび上がり⁠ま⁠す⁠。中国語や日本語の漢字は「1 文字に意味を圧縮する」方向に進化し、ドイツ語やフィンランド語は「単語を連結して新しい概念を表現する」方向に進化しま⁠し⁠た⁠。

この違いは、デジタル時代の文字数制限にそのまま持ち込まれてい⁠ま⁠す⁠。文字数で一律に区切る仕組みは実装が簡単で説明もしやすい反面、1 文字が背負う情報量の差を無視し⁠ま⁠す⁠。X が英語だけ 280 文字に広げたのは、この不公平を「文字数の係数」で埋めようとした数少ない実例⁠で⁠す⁠。

Unicode の基本を理解すると、この「1 文字」の定義自体が技術的に複雑であることがわかり⁠ま⁠す⁠。絵文字の合成、異体字セレクター、結合文字など、「見た目の 1 文字」と「データ上の 1 文字」が一致しないケースは無数にあり⁠ま⁠す⁠。文字数カウントという一見単純な作業の裏には、言語と技術の奥深い世界が広がってい⁠ま⁠す⁠。

文字数カウントツールで試してみよう

この記事で紹介した各言語の単語を、実際に文字数カウントツールで計測してみると面白い発見があり⁠ま⁠す⁠。ドイツ語の 80 文字の複合語は、UTF-8 では何バイトになる⁠の⁠か⁠。ニュージーランドの 85 文字の地名は、URL エンコードすると何文字に膨らむ⁠の⁠か⁠。「1 文字」の定義が文脈によって変わることを、手を動かして体感してみてくだ⁠さ⁠い⁠。

世界一短い単語と世界一長い⁠単⁠語⁠。その間に広がる文字数の世界は、言語の多様性と人間の創造性を映し出す鏡⁠で⁠す⁠。カウンターが返す「1 文字」という数字も、言語ごとに違う情報の密度と、技術ごとに違う数え方の約束を背負ってい⁠ま⁠す⁠。

この記事を共有